商务数据分析报告

在我们的学习与生活中，根据自身的需求，编写出格式正确、逻辑合理的报告，已经成为生活与学习的常见流程。该怎么样写出适合自身工作实际的报告？下面是小编为大家整理的《商务数据分析报告》，供大家阅读，更多内容可以运用本站顶部的搜索功能。

第一篇：商务数据分析报告

电子商务数据库实习报告

专业

年级

学号

学生姓名

指导老师

华中师范大学信息管理系编

实习一结构化查询语言

【实习目的】

使用的图形化工具熟悉语言建立存储学生信息数据库的对象表的程序并使用语句添加修改查询删除记录信息理解语言的重要性

【实习内容】

书第六题中⑴—⑾小题

【实习报告】

实习时间实习地点实习机号

实

习

原

理

与

内

容

实习过程与步骤

问题分析与结论

实习二的使用一

【实习目的】

熟练使用的基本功能熟原创：悉中表查询等对象的用途及基本使用方式学会创建数据库文件及基本表查询等

【实习内容】

用创建数据库中的宠物类别目录表单个产品详细信息表宠物产品列表及供应商信息表这个表

用建立商品订购明细的查询

【实习报告】

实习时间实习地点实习机号

实习原理与内容

实习过程与步骤

问题分析与结论

实习三的使用二

【实习目的】

熟练使用的基本功能学会创建数据库的窗体对象

【实习内容】

创建下列窗体窗体基本用户窗体实现用户的添加删除修改

【实习报告】

实习时间实习地点实习机号

实习原理与内容

实习过程与步骤

问题分析与结论

实习四的初步使用

【实习目的】

熟悉的环境和工作方式以及各种实用工具了解分析的数据库设计理解数据库各用户表中字段意义及其相互关系

【实习内容】

使用客户端连接服务器访问服务器上的数据库

熟悉基本情况初步了解数据库在各种软件体系结构的软件中所扮演的角色

写出您对数据库设计的理解以及对于数据库在三层软件体系中的作用的理解

【实习报告】

实习时间实习地点实习机号

实习原理与内容

实习过程与步骤

问题分析与结论

实习五数据库定义

【实习目的】

要求学生熟练掌握和分别使用创建数据库表

学会使用编写语句和进行结果分析

【实习内容】

学会用自己的学号和姓名作为数据库名例如×在服务器中创建自己的数据库并查看数据库属性

创建表确定表的主键

查看和修改表的结构

用查询分析器和企业管理器分别创建数据库中的和表

【实习报告】

实习时间实习地点实习机号

实习原理与内容

实习过程与步骤

问题分析与结论

实习六数据库的数据操作实习

【实习目的】

熟练掌握分别使用向数据库的表中输入数据修改数据和删除数据操作

【实习内容】

分别使用向前面所建数据库的表中添加数据

分别使用向前面所建数据库的表中修改数据

分别使用向前面所建数据库的表中删除数据

【实习报告】

实习时间实习地点实习机号

实习原理与内容

实习过程与步骤

问题分析与结论

实习七数据完整性控制实习一

【实习目的】

理解数据完整性的概念掌握数据完整性控制的各种方法学会创建和使用约束规则缺省

【实习内容】

在中建立表与表之间的联系建立必要的索引外键与主键约束

在中建立必要的列级约束和表级约束

在中建立必要的规则

在设置默认值

【实习报告】

实习时间实习地点实习机号

实习原理与内容

实习过程与步骤

问题分析与结论

实习八数据库的视图的定义及使用实习

【实习目的】

要求学生掌握中的视图创建向导和图表创建向导的使用方法加深对视图和图表作用的理解并能使用语句创建视图

【实习内容】

创建查看修改和删除视图

创建编辑和删除数据图表

创建明细视图

【实习报告】

实习时间实习地点实习机号

实习原理与内容

实习过程与步骤

问题分析与结论

实习九数据库的存储过程的定义及其使用

【实习目的】

要求学生熟练掌握存储过程的定义方法和使用方法

【实习内容】

熟悉存储过程的使用原理

用企业管理器创

第二篇：电子商务数据分析指标体系

数据分析指标体系：

1、网站运营指标;

2、销售指标;

3、营销活动指标;

4、经营环境指标;

5、客户价值指标;

1、网站运营指标：

流量指标：流量数据指标(PV、UV)、流量质量指标(PV/UV、销售额/UV)、流量转化指标(下单转换率、成交订单转化率(订单有效性)、转换次数);

商品类目指标：商品类目结构占比、商品类目销售额占比、类目销售SKU集中度、库存周转率、商品类目的断货率;

供应链指标：压单占比(分仓库)、系统/实物报缺率、上架完成率/出库及时率、出库率、次日到达率/未到达占比;

2、销售指标：

网站指标：下单次数、加入购物车次数、在线支付次数、购物车转化率、下单转化率、支付转化率、成交转化率;

订单指标：订单有效率(成交率)、订单金额、客单价、订单转化率、毛利率、退换货率、重复购买率;

3、营销活动指标：

市场营销活动指标：新增访客人数、总访问次数、订单数量、下单转化率、ROI;广告投放指标：新增访客人数、总访问次数、订单数量、下单转化率、ROI;商务合作指标

4、经营环境指标：

内部购物指标：

运营指标：PV、UV、购物车转化率、下单转化率、成交转化率、订单数量、订单金额;功能指标：支付方式、配送方式、商品数目、最短购物流程、购物体验;

5、客户价值指标：

客户指标：访客人数、访客获取成本、转化率;

新顾客指标：新增客户数量、注册转化率、新增顾客下单率、客单价;

老顾客指标：老顾客数量、消费频率、最近的一次消费时间、消费金额、重复购买;

第三篇：2011淘宝无线电子商务年度数据报告发布

今日，淘宝无线发布《2011年度淘宝无线电子商务数据报告》(报告全文

http://vdisk.weibo.com/s/2F1GW)，报告以淘宝无线2011全年交易数据作为范本，揭示2011年移动电商的高速发展状况，深度表现移动互联网时代人们在移动终端上的消费习性，透视移动互联网时代产业链上下游的发展脉络和多方参与者之间的竞合关系，移动电商正在成为移动互联网行业最受人们欢迎的应用。

《2011年度淘宝无线电子商务数据报告》显示，2011年淘宝无线累计成交金额118.8亿元，对比2010年的18亿元，翻了6番。在2011年底的两次大促活动——手机双11(光棍节)与手机双12(全民疯抢)活动中，淘宝无线的成交屡创新高，手机双12活动日成交峰值超过2亿元。用户对手机网购模式愈发熟悉和信任，经活动统计，每5个淘宝会员在pc淘宝购物的同时，就有1个通过手机购物;而电商企业也纷纷布局移动电子商务，开拓手机淘宝这块沃土，活动当天，十余家手机店铺当日成交额超过百万。《报告》预计2012年，淘宝无线累计成交金额还将保持逾4倍的涨幅。

《2011年度淘宝无线电子商务数据报告》显示，在2011年，手机淘宝客户端交易成长迅猛，到Q4，来自手机淘宝客户端的成交总额在手机淘宝全网成交的占比已达37%，客户端正在成为移动购物最主要的入口。

最近发布的两个数字，表明全球移动互联网的发展正在从量变走向质变。第一个数字是智能手机出货量首次超越PC(个人电脑)出货量，第二个数字是我国手机网民数量超过3.5亿，约为整体网民数量的七成。移动电子商务作为移动互联网最受用户欢迎的应用，不只是改变了传统的交易渠道，更让消费需求可以即时得到满足，让线上线下融为一体，除了时间和空间上的拓展，更多的个性化互动过程记录了用户更多的个性化特征，比用户更了解用户，让需求和供给的匹配度得以提升，众多潜在的变革将深入的改变用户的消费和生活方式。淘宝无线2010及11年交易数据显示，实物交易规模在逐渐扩大，移动网购用户越来越信赖和习惯手机购物。

据艾瑞数据显示，2011年中国移动互联网市场规模达到393亿元，同比增长97.5%。移动电子商务市场规模同比增长五倍，在整体移动互联网市场规模占比增至29.2%，成为第二大细分行业，预计2012年，移动电商将超越移动增值服务，占据移动互联网行业中的领头地位。手机淘宝作为移动电子商务行业的生力军，将带领电商企业在移动购物领域不断开拓市场新蓝海。

第四篇：电子商务B2C数据分析全流程

“请举手!如果你的用户转化率每天达到了5%。”如果这样问中国所有的B2C网站。

结果是，一个举手的人都没有。

目前，绝大多数B2C的转化率都在1%以下，做的最好的也只能到3.5%左右(比如以卖图书为主的当当)

我想，所有的B2C都会关心三个问题：究竟那97%去了哪里?自己的网站在什么环节变成了漏斗，让进来的客户像沙子一样一点点地流失?以及怎么检修隐藏的漏斗，减少漏水的速度?

数据，这个时候可以是一双眼睛，可以让我们看得一些蛛丝马迹。

一、分解B2C漏水的过程

大家只知道B2C的转化率不高，但是却不知道客户是怎么流失的。一群用户进来网站，他们经过首页、中间页、产品页、购物车以及结算等几个步骤，通常他们在这几个环节是怎么分批离开的呢?其实，这不是没有数据可查。

先给大家看一张图。

这个数据图，是我根据十几年的工作经验总结得到的，一般与实际情况相差不多。

图一意思就是说，假定400个客户到了你的网站，会到中间页(包括搜索頁、分类頁、促销頁)的只有320(60%~80%)个用户，点击进产品页的只有190个用户，最后辛辛苦苦走到购物车只有9%~13%的用户，这个时候还不能开心，因为并不代表用这些户会掏钱，留到最后会付钱的用户仅仅只有3%~5%。

更叫人难以接受的是，在这最终购买的3%~5%中(未包括支付成功)，最后回头再次购买的，又要打一个大折扣。

在吐舌头惊讶B2C生意难做之后，大家可以检查一下自己网站的漏水数据。只有清楚了哪个环节漏水，才能补洞。

二、排查每个环节的漏洞在哪里

以下，我们按照漏水的顺序，一个环节一个环节摸下去。

1、三问首页

大部分B2C首页有20%以上的弹出率，可能许多人对这个数字都习以为常，认为非常正常。如果做得很细致的分析的话，可能就意外的收获。

先问第一个问题：每天来的新客户占多少?老客户占多少?新老客户的弹出率分别是多少?

我看了一下麦包包的数据，麦包包用了很多流量来支持网站首页，如果他们的弹出率很高，那也是很正常的。但是注意要问一句，新老用户的弹出率分别多少?这个是比较容易考验网站的基础能力，新客户的弹出率可以检验一个网站抢客户的能力。对于老客户来说，流程上的用户体验相对不是最讲究，这个就很考验Onsite Merchandising的能力，比如产品的质量和价格是否吸引人。

一般的来说，如果是一个新网站，拓展新用户比经营老客户更为重要的话，新老客户的比例最好是在6比4(甚至7比3)，那么首页就要有一些手段偏向抓住新客户。

如果，新用户的弹出率非常高，或者是老用户的弹出率非常高，那么网站运营者就该反思，是不是网站首页的设计没有照顾到新客户或者老客户。

做了三年的B2C网站，建议分新老用户两个首页，已经在网站购买过的用户，没有必要再向它介绍网站，而是直接刺激他消费。

再问第二个问题，流量分几个大渠道进来，每个渠道的弹出率情况如何?

问完了之后，接下来可能发现从百度和谷歌进来的用户，弹出率可能差异非常大。而且今天主流B2C网站，都在费尽心思引进流量，比如凡客今天做很多促销，许多不是从“正门”(官网首页)进来，是“旁门”(LP促销页)进来，所以今天注意首页之外，还要看一下旁门。

针对自己的主要流量渠道排查下去，很容易发现，哪条渠道在漏水。找到了痛处之后，再找到相应的解决方法就不难了。

接着再问第三个问题，首页被点击最多、最少的地方是否有异常情况?

在首页，点击次数异常的高、或者异常的低的地方，应该引起注意。

这里，在特别给大家分享一个好用的“规律”，一般来说，首页的“E”(以E字中间的“一”为界，上部是首页第一屏)部份是最抓用户眼球的地方，在这个“E”上如果出现点击次数较低的情况，就属于异常情况，应当注意，或者干脆移到“E”外面去;同理，如果在“E”的空白处出现了点击次数较高的情况，也可分析原因，可考虑要不要移到“E”上面来。

国内的B2C网站首页非常长，可能许多用户不会浏览到首页底部，所以“E”最下面的

“一”就往往可去掉，变成了“F”规律。

2、中间页留客的三个技巧

先说一下美国用调查出来的现成数据，在B2C网站上的准买家，有18%的用户有找不到需要的产品的困难，有11%的用户找到了产品但是不自己想要的，这29%的用户基本会漏掉。

大部分用户进入首页之后开始找产品，第一是看促销，第二个看目录，第三是用搜索工具。其中，大概有60%~70%的用户是通过搜索+目录的方式走到产品页面。

同上，这三个渠道都要按照新老客户分开去看一下离开率，这里不做赘述。这里和大家分享一下三个技巧。

技巧一：怎么判断促销、目录和搜索是否成功，就看一下走到产品页的用户百分比是多少，哪一个渠道走得不好，就要改善。到底是怎么改进?一般来说，促销的原因与marketing的关系大一些，目录与采购组关联度大一些。

例如，拿产品目录来说，手机应该是按照品牌来分、功能分、还是按照价格来分?目录经理需要和采购经理密切沟通，了解市场情况。曾经，我去京东，京东有个做目录的经理问我，怎样做好一个产品目录?当时我说我也没答案，这个我研究了10多年，没有特别好的标准答案，只能是与凭借多年的市场经验。

如果一个网站前端的东西做不好，是营销的责任多一些。到中间页面，可以按照目录的转化率查一遍，转化率差的目录就要注意一下。

再说搜索，一般B2C网站是由目录经理+技术来做的。通过搜索工具找产品的用户，自己有精确的需求，那么除了搜索技术之外(此环节与产品经理的关系非常大)，还要提供符合用户需要的产品。假想一下，如果一个用户搜索出来的页面只有3个产品，他肯定会判断这个网站的东西非常少，如果还不那么符合自己要求的话，离开率几乎是100%。

而多年做数据的经验告诉我，一般来说，在搜索页的第三页至第四页，用户还没有找到想要的产品，离开率就会很大。针对搜索页离开率比较大的页面，也有两个分享的技巧。

技巧二：在离开率高的页末尾，推荐给用户另外一个搜索路径，让用户换一条路找产品。

技巧三：对于那些找不到自己想要的东西的用户，乘他们脑子是空的时候，弹出一个菜单，告诉他们10个人就有9个人买了某某产品，可能就会把他整个思维重新激活，又可能留下。

技巧三比技巧二对用户的刺激大，但是也更冒险，如果对推荐的产品没有足够大的把握，用户可能转头就离开了。

3、产品页要特别留意用户停留时间

到了产品页，用户留不留，与产品描述、质量有非常大的关系。所以，要特别留心客户停留在产品页的时间，如果许多用户打开产品页不到1秒钟就走了，就要留意分析原因了。是不是这个产品没有吸引力?是不是产品描述不准确?要多问一些问题。

另外，和传统零售业喜欢提到的“碰撞率”相似，网站运营者应该了解哪些产品是被看了最终页，哪些没有被用户点看。

4、购物车里多少产品没有付款?

但是并没有下单付款。

许多用户把产品放进购物车，但是并不付款。找产品部负责人，为什么这么多用户放在购物车里却不付款?这对于一个B2C网站来说，是一个很严重的事情。

这里有三个点值得一提。

一是，许多B2C网站，等用户要下单，提醒“请先注册”，30%的人可能会选择离开。这真的非常狠的一刀，从站外把用户引进来好不容易跋山涉水到了这一步，竟然还要给用户一刀送他离开，多少B2C网站思考过是否必要设立这一“提醒”?

二是，如果找不到用户不付款的原因，可以直接给几个用户电话访问。

三是，分析同时被放在购物车的产品之间关联性。

总之，到了购物车，是网站自己和自己比，定性的多，定量的少。

三、B2C的顾客也有生命周期

传统零售企业，很难知道，客户在一段时间内购买了多少次产品、买的是什么价位，但是电子商务公司可以很清楚知道用户的购买行为。

对于用户规模很大的B2C来说，很有必要把用户分为三个阶段：以3个月为限(有些垂直网站要6个月至一年)，只购买够一次的用户、一个月购买过2到8次的用户、购买过8次以上的用户(每个网站可以根据自己的情况定次数，这里的数据是一般的规律)。B2C网站从0到1，可以说明拉客能力。当一个客户进来，如何做1到x(X的具体数字，垂直网站和综合有区别，企业在不同阶段，X也会变)也十分重要，不同阶段的用户的维护方法是不一样的。今天看很多网站，从1次到3次，会有50%以上用户就不回头流失了，而到了5-8次以上流失率便放慢了。

如何从1做到X，还有许多可讨论，只是这篇文章集中介绍的是从0到1的转化，所以在这里就不展开了。但是有一定是非常肯定的是，大部分用户只有第一次购物体验非常好才

会回来重复购买。所以说，做好了从0到1，从1到X就已经成功了一半了.

第五篇：数据挖掘电子商务应用中调研报告

调

研

报

告

调研题目: :关于数据挖掘在电子商务中

应用得调研报告

指导老师: :

学生姓名：

学

号：

西安交通大学软件学院

6 2016 年 年 3 3 月 月 2 2 1日

关于数据挖掘在电子商务中应用得

调研报告

摘

要

电子商务正处在蓬勃发展得大好时期,它所产生得丰富得信息资源,为数据挖掘得应用开辟了广阔得应用舞台。本文通过优化企业资源、管理客户数据、评估商业信用、确定异常事件四个方面来阐述数据挖掘在电子商务中得应用,揭示了数据挖掘在电子商务中得广阔得应用前景.关键词：电子商务;数据挖掘;调查报告 目 录 一、概述

随着网络技术与数据库技术得成熟，全球传统商务正经历一次重大变革，向电子商务全速挺进。电子商务就是商业领域得一种新兴商务模式,它就是以网络为平台，以现代信息技术为手段，以经济效益为中心得现代化商业运转模式,其最终目标就是实现商务活动得网络化、自动化与智能化。电子商务得产生改变了企业得经营理念、管

理方式与支付手段,给社会得各个领域带来了巨大得变革。随着网络技术得迅猛发展与社会信息化水平得提高，电子商务显示出巨大得市场价值与发展潜力。

当电子商务在企业中得到应用时，企业信息系统将产生大量数据，并且迫切需要将这些数据转换成有用得信息与知识，为企业创造更多潜在得利润，数据挖掘概念就就是从这样得商业角度开发出来得。数据挖掘就是一种新得商业信息处理技术，其主要特点就是对商业数据库中得大量业务数据进行抽取、转换、分析与其她模型化处理，从中提取辅助商业决策得关键性数据。利用功能强大得数据挖掘技术,可以使企业把数据转化为有用得信息帮助决策,从而在市场竞争中获得优势地位。

二、数据挖掘在电子商务中得应用

1、优化企业资源

节约成本就是企业盈利得关键。基于数据挖掘技术，实时、全面、准确地掌握企业资源信息,通过分析历史得财务数据、库存数据与交易数据，可以发现企业资源消耗得关键点与主要活动得投入产出比例，从而为企业资源优化配置提供决策依据，例如降低库存、提高库存周转率、提高资金使用率等。通过对 Web 数据挖掘,快速提取商业信息，使企业准确地把握市场动态,极大地提高企业对市场变化得响应能力与创新能力,使企业最大限度地利用人力资源、物质资源与信息资源，合理协调企业内外部资源得关系，产生最佳得经济效益。促进企业发展得科学化、信息化与智能化。

例如:美国运通公司(American Express)有一个用于记录信用卡业务得数据库,数据量达到54 亿字符，并仍在随着业务进展不断更新。运通公司通过对这些数据进行挖掘，制定了“关联结算(Relation ship Billing)优惠”得促销策略,即如果一个顾客在一个商店用运通卡购买一套时装,那么在同一个商店再买一双鞋，就可以得到比较大得折扣，这样既可以增加商店得销售量，也可以增加运通卡在该商店得使用率。

2、管理客户数据

随着“以客户为中心”得经营理念得不断深入人心，分析客户、了解客户并引导客户得需求已成为企业经营得重要课题。基于数据挖掘技术,企业将最大限度地利用客户资源，开展客户行为得分析与预测，对客户进行分类。有助于客户盈利能力分析,寻找潜在得有价值得客户,开展个性化服务,提高客户得满意度与忠诚度.通过 Web 资源得挖掘，了解客户得购买习惯与兴趣,从而改善网站结构设计，推出满足不同客户得个性化网页。

利用数据挖掘可以有效地获得客户.比如通过数据挖掘可以发现购买某种商品得消费者就是男性还就是女性，学历、收入如何，有什么爱好，就是什么职业等等。甚至可以发现不同得人在购买该种商品得相关商品后多长时间有可能购买该种商品，以及什么样得人会购买什么型号得该种商品等等。在采用了数据挖掘后，针对目标客户发送得广告得有效性与回应率将得到大幅度得提高，推销得成本将大大降低.同时,在客户数据挖掘得基础上，企业可以发现重点客户与评价市

场性能，制定个性化营销策略，拓宽销售渠道与范围，为企业制定生产策略与发展规划提供科学得依据。通过呼叫中心优化与客户沟通得渠道,提高对客户得响应效率与服务质量，促进客户关系管理得自动化与智能化。

成功案例：美国得读者文摘(Reader‘s Digest)出版公司运行着一个积累了 40 年得业务数据库,其中容纳有遍布全球得一亿多个订户得资料，数据库每天 24 小时连续运行，保证数据不断得到实时得更新,正就是基于对客户资料数据库进行数据挖掘得优势，使读者文摘出版公司能够从通俗杂志扩展到专业杂志、书刊与声像制品得出版与发行业务,极大地扩展了自己得业务。

3、评估商业信用

低劣得信用状况就是影响商业秩序得突出问题，已经引起世人得广泛关注。由于网上诈骗现象层出不穷,企业财务“造假"现象日益严重，信用危机成为制约电子商务发展得重要因素.利用数据挖掘技术对企业经营进行跟踪，开展企业得资产评估、利润收益分析与发展潜力预测，构建完善得安全保障体系,实施网上全程监控，强化网上交易与在线支付得安全管理。基于数据挖掘得信用评估模型，对交易历史数据进行挖掘，发现客户得交易数据特征,建立客户信誉度级别,有效地防范与化解信用风险，提高企业信用甄别与风险管理得水平与能力.

4、确定异常事件

在许多商业领域中,异常事件具有显著得商业价值，如客户流失、

银行得信用卡欺诈、电信中移动话费拖欠等.通过数据挖掘中得奇异点分析可以迅速准确地甄别这些异常事件，为企业采取决策提供依据，减少企业不必要得损失。

三、总结

电子商务就是现代信息技术发展得必然结果,也就是未来商业运作模式得必然选择。电子商务领域具有丰富得信息资源,为数据挖掘得应用开辟了广阔得应用舞台.数据挖掘将为电子商务提供有力得技术支持，极大地促进电子商务得发展与普及，推动电子商务得应用进程.数据挖掘技术作为电子商务得重要应用技术之一,将为正确得商业决策提供强有力得支持与可靠得保证，就是电子商务不可缺少得重要工具，有着广阔得发展前景.

第六篇：数据挖掘与电子商务

姓名：龚洪虎

学号:X2009230111

[摘 要] 企业的竞争优势并不取决于信息的拥有量，而是取决于信息的处理利用能力。如何化信息优势为竞争优势，是企业制胜于市场的一个法宝。本文论述了一种信息处理利用的有效工具——数据挖掘方法及其在电子商务中的应用。

[关键词] 数据挖掘 方法 电子商务 应用

随着网络技术和数据库技术的成熟，传统商务正经历一次重大变革，向电子商务全速挺进。这种商业电子化的趋势不仅为客户提供了便利的交易方式和广泛的选择，同时也为商家提供了更加深入了解客户需求信息和购物行为特征的可能性。数据挖掘技术作为电子商务的重要应用技术之一，将为正确的商业决策提供强有力的支持和可靠的保证，是电子商务不可缺少的重要工具。

一、电子商务和数据挖掘简介。

电子商务是指个人或企业通过Internet网络，采用数字化电子方式进行商务数据交换和开展商务业务活动。目前国内已有网上商情广告、电子票据交换、网上订购，网上银行、网上支付结算等多种类型的电子商务形式。电子商务正以其成本低廉、方便、快捷、安全、可靠、不受时间和空间的限制等突出优点而逐步在全球流行。

数据挖掘(DataMining)是伴随着数据仓库技术的发展而逐步完善起来的。数据挖掘主要是为了帮助商业用户处理大量存在的数据，发现其后隐含的规律性，同时将其模型化，来完成辅助决策的作用。它要求从大量的、不完全的、有噪声的、模糊的和随机的数据中，提取人们事先不知道的但又是潜在有用的信息和知识。数据挖掘的过程有时也叫知识发现的过程。

而电子商务中的数据挖掘即Web挖掘，是利用数据挖掘技术从www的资源(即Web文档)和行为(即We服务)中自动发现并提取感兴趣的、有用的模式和隐含的信息，它是一项综合技术涉及到Internet技术学、人工智能、计算机语言、信息学、统计学等多个领域。

二、何谓数据挖掘及方法

确切地说，数据挖掘(Data Mining)，又称数据库中的知识发现(Knowledge Discovery in Database,KDD)，是指从大型数据库或数据仓库中提取隐含的、未知的、非平凡的及有潜在应用价值的信息或模式。它融合了数据库、人工智能、机器学习、统计学等多个领域的理论和技术。比较典型的数据挖掘方法有关联分析、序列模式分析、分类分析、聚类分析等。它们可以应用到以客户为中心的企业决策分析和管理的各个不同领域和阶段。

1.关联分析。关联分析，即利用关联规则进行数据挖掘。关联分析的目的是挖掘隐藏在数据间的相互关系，它能发现数据库中形如”90%的顾客在一次购买活动中购买商品A的同时购买商品B”之类的知识。

2.序列模式分析。序列模式分析和关联分析相似，但侧重点在于分析数据间的前后序列关系。它能发现数据库中形如”在某一段时间内，顾客购买商品A，接着购买商品B，而后购买商品C，即序列A→B→C出现的频度较高”之类的知识，序列模式分析描述的问题是:在给定交易序列数据库中，每个序列是按照交易时间排列的一组交易集，挖掘序列函数作用在这个交易序列数据库上，返回该数据库中出现的高频序列。在进行序列模式分析时，同样也需要由用户输入最小置信度C和最小支持度S。

3.分类分析。设有一个数据库和一组具有不同特征的类别(标记)，该数据库中的每一个②

记录都赋予一个类别的标记，这样的数据库称为示例数据库或训练集。分类分析就是通过分析示例数据库中的数据，为每个类别做出准确的描述或建立分析模型或挖掘出分类规则，然后用这个分类规则对其他数据库中的记录进行分类。

4.聚类分析。聚类分析输入的是一组未分类记录，并且这些记录应分成几类事先也不知道，通过分析数据库中的记录数据，根据一定的分类规则，合理地划分记录集合，确定每个记录所在类别。它所采用的分类规则是由聚类分析工具决定的。采用不同的聚类方法，对于相同的记录集合可能有不同的划分结果。

应用数据挖掘技术，较为理想的起点就是从一个数据仓库开始，数据挖掘可以直接跟踪数据并辅助用户快速做出商业决策，用户还可以在更新数据的时候不断发现更好的行为模式，并将其运用于未来的决策当中。

三、选择数据挖掘技术的两个重要依据。

数据挖掘使用的技术很多，其中主要包括统计方法、机器学习方法、和神经网络方法和数据库方法。统计方法可细分为回归分析、判别分析、聚类分析、探索性分析等。机器学习方法可细分为归纳学习方法(决策树、规则归纳)、基于范例学习、遗传算法等。神经网络方法可细分为钱箱神经网络(BP算法)、自组织神经网络等。数据库方法主要是多维数据分析或OLAP方法，另外还有面向属性的归纳方法。由于每一种数据挖掘技术都有其自身的特点和实现的步骤，对数据的形式有具体的要求，并且与具体的应用问题密切相关，因此成功的应用数据挖掘技术以达到目标过程本身就是一件很复杂的事情，本文主要从挖掘任务和可获得的数据两个角度来讨论对数据挖掘技术的选择。

三、数据挖掘在电子商务中的应用

数据挖掘能发现电子商务客户的的共性和个性的知识、必然和偶然的知识、独立和关联的知识、现实和预测的知识等，所有这些知识经过分析，能对客户的消费行为如心理、能力、动机、需求、潜能等做出统计和正确地分析，为管理者提供决策依据。具体应用如下：

1.分类与预测方法在电子商务中的应用。在电子商务活动中，分类是一项非常重要的任务，也是应用最多的技术。分类的目的是构造一个分类函数或分类模型，通常称作分类器。分类器的构造方法通常由统计方法、机器学习方法、神经网络方法等。这些方法能把数据库中的数据映射到给定类别中某一个，以便用于预测，也就是利用历史数据记录，自动推导出给定数据的推广描述，从而对未来数据进行预测。

2.聚类方法在电子商务中的应用。聚类是把一组个体按照相似性原则归成若干类别。对电子商务来说，客户聚类可以对市场细分理论提供有力的支持。市场细分的目的是使得属于同一类别的个体之间的距离尽可能小，而不同类别的个体之间的距离尽可能大，通过对聚类的客户特征的提取，电子商务网站可以为客户提供个性化的服务。

3.数据抽取方法在电子商务中的应用。数据抽取的目的是对数据进行浓缩，给出它的紧凑描述，如求和值、平均值、方差值、等统计值、或者用直方图、饼状图等图形方式表示，更主要的是他从数据泛化的角度来讨论数据总结。数据泛化是一种把最原始、最基本的信息数据从低层次抽象到高层次上的过程。可采用多维数据分析方法和面向属性的归纳方法。在电子商务活动中，采用维数据分析方法进行数据抽取，他针对的是电子商务活动中的客户数据仓库。在数据分析中经常要用到诸如求和、总计、平均、最大、最小等汇集操作，这类操作的计算量特别大，可把汇集操作结果预先计算并存储起来，以便用于决策支持系统使用。

4.关联规则在电子商务中的应用。管理部门可以收集存储大量的售货数据和客户资料，对这些历史数据进行分析并发现关联规则。如分析网上顾客的购买行为，帮助管理者规划市场，确定商品的种类、价格、质量等。通常关联规则有两种：有意义的关联规则和泛化关联规则，有意义的关联规则，即满足最小支持度和最小可信度的规则。最小支持度，它表示一组对象在统计意义上的需满足的最低程度，如电子商务活动中的客户数量、客户消费能力、

消费方式等。后者即用户规定的关联规则的最低可靠度。第二是泛化规则，这种规则更实用，因为研究对象存在一种层次关系，如面包、蛋糕属西点类，而西点又属于食品类，有了层次关系后，可以帮助发现更多的有意义的规则。

5、优化企业资源

节约成本是企业盈利的关键。基于数据挖掘技术，实时、全面、准确地掌握企业资源信息，通过分析历史的财务数据、库存数据和交易数据, 可以发现企业资源消耗的关键点和主要活动的投入产出比例, 从而为企业资源优化配置提供决策依据, 例如降低库存、提高库存周转率、提高资金使用率等。通过对Web数据挖掘，快速提取商业信息，使企业准确地把握市场动态，极大地提高企业对市场变化的响应能力和创新能力，使企业最大限度地利用人力资源、物质资源和信息资源，合理协调企业内外部资源的关系，产生最佳的经济效益。促进企业发展的科学化、信息化和智能化。

例如:美国运通公司(American Express)有一个用于记录信用卡业务的数据库，数据量达到54亿字符，并仍在随着业务进展不断更新。运通公司通过对这些数据进行挖掘，制定了“关联结算(Relation ship Billing)优惠”的促销策略，即如果一个顾客在一个商店用运通卡购买一套时装，那么在同一个商店再买一双鞋，就可以得到比较大的折扣，这样既可以增加商店的销售量，也可以增加运通卡在该商店的使用率。

6、管理客户数据

随着“以客户为中心”的经营理念的不断深入人心, 分析客户、了解客户并引导客户的需求已成为企业经营的重要课题。基于数据挖掘技术，企业将最大限度地利用客户资源，开展客户行为的分析与预测，对客户进行分类。有助于客户盈利能力分析，寻找潜在的有价值的客户，开展个性化服务，提高客户的满意度和忠诚度。通过Web资源的挖掘，了解客户的购买习惯和兴趣，从而改善网站结构设计，推出满足不同客户的个性化网页。利用数据挖掘可以有效地获得客户。比如通过数据挖掘可以发现购买某种商品的消费者是男性还是女性,学历、收入如何, 有什么爱好,是什么职业等等。甚至可以发现不同的人在购买该种商品的相关商品后多长时间有可能购买该种商品, 以及什么样的人会购买什么型号的该种商品等等。在采用了数据挖掘后, 针对目标客户发送的广告的有效性和回应率将得到大幅度的提高, 推销的成本将大大降低。同时，在客户数据挖掘的基础上，企业可以发现重点客户和评价市场性能，制定个性化营销策略，拓宽销售渠道和范围，为企业制定生产策略和发展规划提供科学的依据。通过呼叫中心优化与客户沟通的渠道，提高对客户的响应效率和服务质量，促

①进客户关系管理的自动化和智能化。

三、结束语

电子商务是现代信息技术发展的必然结果，也是未来商业运作模式的必然选择。利用数据挖掘技术，充分发挥企业的独特优势，促进管理创新和技术创新，使企业在在电子商务的潮流中立于不败之地。随着数据挖掘算法的不断发展和成熟，数据挖掘一定会有更加广阔的应用前景。

参考文献：

(1)《浅谈数据挖掘在电子商务中的运用》 钟连福;

(2)《电子商务中商业数据的挖掘方法》 中国电子商务研究中心;

(3)《在电子商务中如何正确有使用数据挖掘技术》 侠名;

(4)《曾贞:数据挖掘在电子商务中的应用》 甘肃农业,2004(7) ;

(5)《冯艳王坚强:数据挖掘在电子商务上的应用》 2002(3);

(6)《吕延杰徐华飞:中国电子商务发展研究报告》北京邮电大学出版社 ;

(7)《数据挖掘与电子商务》 邓鲲鹏，周延杰，严瑜筱 。 ①